杨妍菲;张晓祥;薛明慧;

• 1:河海大学水文水资源学院
• 2:河海大学地理空间智能与流域科学研究中心

摘要(Abstract)：

利用谷歌地球引擎（Google Earth Engine,GEE）云平台上的多源遥感卫星数据库，依据各地物的典型光谱特征，结合归一化建筑指数（normalized difference built-up index,NDBI）和GEE提供的随机森林分类算法，提取重庆市主城区20年长时间序列下的城市建成区。利用1999—2018年的城市扩张数据，通过探索性空间数据分析，对重庆市主城区的时空特征进行了探索。结果表明：(1)在时间尺度上，1999—2018年间，重庆市主城区建成区扩张总面积为612.12 km2,2009—2014年扩张最迅速，增长速度达到35.97 km2/a。(2)在空间尺度上，重庆市主城区的扩张以渝中区为中心，沿西北方向的沙坪坝区扩张；同时城市扩张空间差异正在加大，长江两岸存在极化的趋势。

关键词(KeyWords)： 谷歌地球引擎(Google Earth Engine,GEE);探索性空间数据分析;城市扩张;重庆主城区

Abstract:

Keywords:

基金项目(Foundation): 英国全球挑战研究基金GCRF项目（ES/P011020/1）

作者(Authors): 杨妍菲;张晓祥;薛明慧;

DOI: 10.14188/j.2095-6045.2020548

参考文献(References)：

• [1]陈本清，徐涵秋.城市扩展及其驱动力遥感分析：以厦门市为例[J].经济地理，2005,25(1):79-83
• [2]Masek G J,Honzak M,Goward N S,et al.Landsat 7ETM+as an Observatory for Land Cover[J].Remote Sensing of Environment,2001,78(1):118-130
• [3]Yang X,Lo C P.Using a Time Series of Satellite Imagery to Detect Land Use and Land Cover Changes in the Atlanta,Georgia Metropolitan Area[J].International Journal of Remote Sensing,2002,23(9):1 775-1 798
• [4]蒲东川，王桂周，张兆明，等.基于独立成分分析和随机森林算法的城镇用地提取研究[J].地球信息科学学报，2020,22(8):1 597-1 606
• [5]王子予，刘凯，彭力恒，等.基于Google Earth Engine的1986-2018年广东红树林年际变化遥感分析[J].热带地理，2020,40(5):881-892
• [6]刘垚燚，田恬，曾鹏，等.基于Google Earth Engine平台的1984-2018年太湖水域变化特征[J].应用生态学报，2020,31(9):3 163-3 172
• [7]Tamiminia H,Salehi B,Mahdianpari M,et al.Google Earth Engine for Geo-big Data Applications:AMeta-Analysis and Systematic Review[J].ISPRSJournal of Photogrammetry and Remote Sensing,2020,164:152-170
• [8]Xiong J,Thenkabail S P,Gumma K M,et al.Automated Cropland Mapping of Continental Africa Using Google Earth Engine Cloud Computing[J].ISPRSJournal of Photogrammetry and Remote Sensing,2017,126:225-244
• [9]Dong J,Xiao X,Menarguez A M,et al.Mapping Paddy Rice Planting Area in Northeastern Asia with Landsat 8 Images,Phenology-Based Algorithm and Google Earth Engine[J].Remote Sensing of Environment,2016,185:142-154
• [10]Zhang X,Wu B,Ponce-Campos E G,et al.Mapping up-to-Date Paddy Rice Extent at 10 m Resolution in China Through the Integration of Optical and Synthetic Aperture Radar Images[J].Remote Sensing,2018,10(8):1200
• [11]Yang X C,Chen Y,Wang J Z.Combined Use of Sentinel-2 and Landsat 8 to Monitor Water Surface Area Dynamics Using Google Earth Engine[J].Remote Sensing Letters,2020,11(7):687-696
• [12]Griffin G C,Mc Clelland J W,Frey E K,et al.Quantifying CDOM and DOC in Major Arctic Rivers During Ice-Free Conditions Using Landsat TM and ETM+Data[J].Remote Sensing of Environment,2018,209:395-409
• [13]Zeng H W,Wu B F,Wang S,et al.A Synthesizing Land-Cover Classification Method Based on Google Earth Engine:A Case Study in Nzhelele and Levhuvu Catchments,South Africa[J].Chinese Geographical Science,2020,30(3):397-409
• [14]Gong P,Liu H,Zhang M N,et al.Stable Classification with Limited Sample:Transferring a 30 m Resolution Sample Set Collected in 2015 to Mapping 10 m Resolution Global Land Cover in 2017[J].Science Bulletin,2019,64(6):370-373
• [15]李若楠，欧光龙，代沁伶，等.基于GEE和Landsat时间序列数据的香格里拉森林类型分类研究[J].西南林业大学学报（自然科学），2020,40(5):115-125
• [16]张少宇，朱岚巍，霍艳辉，等.1988-2017年黄山自然与文化遗产地森林扰动数据集[J].中国科学数据（中英文网络版），2019,4(3):171-181
• [17]邵振峰，张源，黄昕，等.基于多源高分辨率遥感影像的2 m不透水面一张图提取[J].武汉大学学报·信息科学版，2018,43(12):1 909-1 915
• [18]重庆市统计局，国家统计局重庆调查总队.重庆统计年鉴（2018)[M].北京：中国统计出版社，2019
• [19]Zha Y,Gao J,Ni S.Use of Normalized Difference Built-up Index in Automatically Mapping Urban Areas from TM Imagery[J].International Journal of Remote Sensing,2003,24(3):583-594
• [20]张涛，方宏，韦玉春，等.顾及空间自相关性的高分遥感影像中建设用地的变化检测[J].自然资源学报，2020,35(4):963-976
• [21]张媛，胡庆武.社交网络时空大数据聚类挖掘有效选择分析[J].测绘地理信息，2020,45(2):45-50
• [22]苏世亮，李霖，翁敏.空间数据分析[M].北京：科学出版社，2019
• [23]岳彦利，罗明良，张斌.干热河谷冲沟DEM插值误差的空间分布研究[J].武汉大学学报·信息科学版，2018,43(7):1 122-1 128
• [24]曾馨漫，刘慧，刘卫东.京津冀城市群城市用地扩张的空间特征及俱乐部收敛分析[J].自然资源学报，2015,30(12):2 045-2 056
• [25]毕国华，杨庆媛，王兆林，等.丘陵山区都市边缘农村居民点土地利用空间特征分析：以重庆两江新区为例[J].长江流域资源与环境，2016,25(10):1 555-1 565